使用fMRI时间序列数据重建对象和任务指纹的大脑因果动态.

科学领域:

• 神经科学是一个神经科学.
• 系统神经科学 系统神经科学
• 计算神经科学是一种神经科学.

背景情况:

• 对系统神经科学因果关系模型的重新兴趣,以了解复杂的大脑网络.
• 需要有效的方法来分析多层次大脑网络动态.

研究的目的:

• 为基于fMRI的受试者和任务指纹采集提供一种利用因果动态的新方法.
• 开发一种模型,捕捉大脑活动中的因果签名.
• 使用这些签名来实现对象识别和任务分类.

主要方法:

• 开发了一个两次尺度的线性状态空间模型,使用一个隐式-显式离散化方案.
• 确定模型参数以捕捉空间定向交互和时间动态模式.
• 综合因果签名与模态分解用于对象识别和图形神经网络 (GNN) 用于任务分类.
• 介绍了大脑可访问性景观,用于可视化大脑区域激活.

主要成果:

• 评估了人类结合体项目的数据集的方法,显示了比基于非因果关系的方法的优势.
• 可视化因果签名,显示出明显的生物相关性.
• 成功地利用大脑因果签名用于主体和任务指纹.

结论:

• 验证了大脑因果签名用于指纹的可行性和有效性.
• 为进一步研究因果指纹铺平了道路.
• 突出了健康对照和神经退行性疾病的潜在应用.